“說(shuō)話(huà)只是你做的事情，不是嗎?” 特雷弗考克斯問(wèn)道。“我們認(rèn)為聊天是理所當(dāng)然的，但它卻是我們生活中如此重要的一部分，也是如此復(fù)雜的事情。”

考克斯是索爾福德大學(xué)的聲學(xué)工程教授，也是聲學(xué)科學(xué)的專(zhuān)家。他也是現(xiàn)在你說(shuō)話(huà)的作者：從尼安德特人到人工智能的人類(lèi)對(duì)話(huà)。

Verge向Cox講述了人聲，人工智能的歷史以及內(nèi)心聲音的陌生感。

為清楚起見(jiàn)，對(duì)這次訪(fǎng)談進(jìn)行了輕微編輯。

首先，你能告訴我人類(lèi)語(yǔ)言的演變嗎?從你的書(shū)中，我們似乎還不確切知道它何時(shí)或如何發(fā)生。

我們不確切地知道口語(yǔ)是如何發(fā)展的。目前的爭(zhēng)議是關(guān)于智人是否是唯一一個(gè)曾經(jīng)發(fā)言過(guò)的人或尼安德特人是否也這樣做過(guò)。而且證據(jù)也越來(lái)越多地指向尼安德特人。

從我的觀點(diǎn)來(lái)看，他們似乎很可能會(huì)說(shuō)話(huà)，而且我會(huì)將語(yǔ)言的出現(xiàn)置于可能已有五十萬(wàn)年的歷史。有人在尋找關(guān)鍵事件 - 觸發(fā)言論開(kāi)始的因素 - 似乎重要的觸發(fā)因素是我們變得更大腦。它可能與言語(yǔ)無(wú)關(guān)。由于需要控制我們的手，我們本來(lái)可以變得更大腦，他們只是創(chuàng)造了更高的智力，這是言語(yǔ)的起點(diǎn)。我們的靈長(zhǎng)類(lèi)祖先哭了并打電話(huà)，我們也會(huì)這樣做。

人聲有什么特別之處?缺少什么?

當(dāng)然，像鳥(niǎo)類(lèi)這樣的動(dòng)物可以做一些非常了不起的事情。讓我們與靈長(zhǎng)類(lèi)動(dòng)物(我們最近的堂兄弟)區(qū)別開(kāi)來(lái)的是，我們對(duì)大腦的控制非常復(fù)雜。我們的大腦非常善于控制談話(huà)所需的大約一百塊肌肉。我們能夠以極快的速度進(jìn)行交流，這真的來(lái)自于我們?nèi)绾慰刂扑羞@些肌肉。部分是更好的部分，部分是生理學(xué)。我們有一個(gè)較低的喉部，可以釋放我們的舌頭，以極快的速度改變我們的話(huà)語(yǔ)。

你已經(jīng)談到了人們保持聲音的努力。有一些手術(shù)選擇，但什么是非侵入性的?

關(guān)于人聲的一個(gè)顯著特點(diǎn)是它的衰老速度非常慢。我剛滿(mǎn)50歲，頭發(fā)很白，但我的聲音與我年輕的時(shí)候并沒(méi)有什么不同。我認(rèn)為關(guān)鍵是要繼續(xù)說(shuō)話(huà)。

真的，只要你沒(méi)有喊叫或尖叫，你的聲音就會(huì)非常強(qiáng)大。有很多肌肉，你的大腦中有很多連接需要保持工作的肌肉。你使用的越多，它們就會(huì)不斷刷新。這就像去健身房和移動(dòng)重量。

加入合唱團(tuán)是一個(gè)好主意，不僅因?yàn)槟阈枰憻捖晿?lè)系統(tǒng)，而且因?yàn)楫?dāng)你停止與人聊天時(shí)，音樂(lè)制作會(huì)阻止一些孤獨(dú)的老年人。

你的書(shū)的一部分是關(guān)于“內(nèi)心的聲音”。你能告訴我更多關(guān)于這一點(diǎn)嗎?

內(nèi)心的聲音很迷人，這是我們生活中的一切，但我們很少考慮它。我學(xué)到的一個(gè)有趣的項(xiàng)目涉及研究人員，他們與作者討論了他們?nèi)绾卧诠ぷ髦惺褂寐曇簟Ｋ麄冋f(shuō)，他們必須幾乎竊聽(tīng)他們角色的談話(huà)，找到他們的“聲音”才能寫(xiě)出來(lái)。所以這不是簡(jiǎn)單的聽(tīng)寫(xiě)。實(shí)際上聽(tīng)到了你頭腦中的人物。它真的很復(fù)雜，就像你在用語(yǔ)言表達(dá)思想，但有時(shí)候，它并不是你。

您正在開(kāi)展一個(gè)關(guān)于直播影院，電視和電影中的可懂度問(wèn)題的項(xiàng)目。為什么我們會(huì)遇到這些問(wèn)題?

在過(guò)去的120年里，表演風(fēng)格和演唱風(fēng)格發(fā)生了變化。人們不會(huì)試圖表達(dá)自己的聲音。他們不以這種行為方式說(shuō)話(huà)。如果您不必這樣做，那么您可以耳語(yǔ)并做不同的口音。這對(duì)于釋放演員來(lái)說(shuō)非常有用，但它會(huì)讓人們聽(tīng)不到聲音，也不那么容易理解。所以你得到的情況是人們表現(xiàn)得更自然，但是接受這些話(huà)更難。在大多數(shù)對(duì)話(huà)中，你總是會(huì)錯(cuò)過(guò)一些單詞。但是當(dāng)你在看電視時(shí)，人們發(fā)現(xiàn)你找不到幾句話(huà)是不可接受的。所以我參與了關(guān)于混音戲劇的項(xiàng)目。

人工智能將如何改變聲音以及我們?nèi)绾闻c技術(shù)互動(dòng)?

一旦你發(fā)出聲音，它似乎就有了代理權(quán)。我認(rèn)為它會(huì)讓我們以不同的方式對(duì)待電腦。它似乎有自己的特點(diǎn)。我們將開(kāi)始更像人類(lèi)一樣對(duì)待它們。我們不會(huì)將計(jì)算機(jī)視為愚蠢的奴隸。也許他們會(huì)更像一只寵物。

人工語(yǔ)音越來(lái)越好，我們將會(huì)有越來(lái)越多的人將其用作騙局。您會(huì)看到您認(rèn)為來(lái)自人類(lèi)但來(lái)自計(jì)算機(jī)的電話(huà)。你知道那些來(lái)自朋友的網(wǎng)絡(luò)釣魚(yú)騙局說(shuō)：“我在某個(gè)國(guó)家迷路了，你能幫助我嗎?”想象一下，如果那是手機(jī)上的語(yǔ)音留言。它會(huì)更加強(qiáng)大。我相信我們會(huì)看到假的用途，人們會(huì)嘗試用它來(lái)從我們那里榨取錢(qián)財(cái)。這有很多后果。